KELLMRec: Knowledge-Enhanced Large Language Models for Recommendation

要約

セマンティック情報の利用は、推奨システムの分野における重要な研究課題であり、主流の ID ベースのアプローチに欠けている部分を補完することを目的としています。
LLM の台頭により、知識ベースとして機能するその能力と推論能力がこの研究分野に新たな可能性をもたらし、LLM ベースの推奨が新たな研究の方向性となりました。
ただし、LLM を直接使用して推奨シナリオの意味情報を処理することは信頼性が低く、幻覚などのいくつかの問題があるため最適とは言えません。
これに対処する有望な方法は、外部の知識を使用して、LLM が真実で使用可能なテキストを生成するのを支援することです。
上記の動機に触発されて、我々は知識強化型 LLMRec 手法を提案します。
プロンプトで外部知識を使用することに加えて、提案された方法には、トレーニング用の知識ベースの対照学習スキームも含まれています。
公開データセットと企業内データセットの実験により、提案された方法の有効性が検証されます。

要約(オリジナル)

The utilization of semantic information is an important research problem in the field of recommender systems, which aims to complement the missing parts of mainstream ID-based approaches. With the rise of LLM, its ability to act as a knowledge base and its reasoning capability have opened up new possibilities for this research area, making LLM-based recommendation an emerging research direction. However, directly using LLM to process semantic information for recommendation scenarios is unreliable and sub-optimal due to several problems such as hallucination. A promising way to cope with this is to use external knowledge to aid LLM in generating truthful and usable text. Inspired by the above motivation, we propose a Knowledge-Enhanced LLMRec method. In addition to using external knowledge in prompts, the proposed method also includes a knowledge-based contrastive learning scheme for training. Experiments on public datasets and in-enterprise datasets validate the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google